-
Patent Agency Ranking
公开(公告)号：CN116883663A
公开(公告)日：2023-10-13
申请号：CN202310881500.X
申请日：2023-07-18
Applicant: 电子科技大学
IPC: G06V10/26 , G06V10/82 , G06V20/40 , G06V20/70 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的视频流中飞行目标主要部件语义分割方法，涉及视频语义分割领域。本发明包括飞行目标主要部件数据集的构建和视频语义分割模型的搭建；其中，数据集通过硬件模拟的方式获取，利用摄录单元与模拟单元模拟并拍摄飞行目标图像，再通过后期处理模拟飞行目标的背景；视频语义分割模型是基于改进的残差块构成的语义分割网络，其通过延时输出的方式，利用局部时间注意力机制引入当前帧的前后帧信息进行预测，并在所构建的数据集上进行训练、测试并调整训练参数，获得更好的识别效果。本发明提高了在飞行目标主要部件数据集上的识别效果与速度，主要解决现有视频中飞行目标主要部件识别效果不佳，时序信息利用不充分的问题。
-
公开(公告)号：CN118824547B
公开(公告)日：2025-03-14
申请号：CN202411075366.5
申请日：2024-08-07
Applicant: 电子科技大学
IPC: G16H50/30 , G16H30/20 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于神经网络融合机制的乳腺癌转移风险评估方法，属于医学图像处理技术领域。本发明包括：构建前哨淋巴结SLN超声图像数据集，包括SLN二维超声数据集TDUS和SLN超声造影数据集CEUS；构建乳腺癌转移风险评估模型，该评估模型包括：基于残差网络的第一子网络、基于自注意力神经网络的第二子网络，以及基于Choquet模糊积分的模糊积分融合模块；其中，第一、二子网络分别用于预测当前输入图像数据的乳腺癌转移风险的二分类的评估结果；通过基于Choquet模糊积分的模糊积分融合模块对子网络输出的评估结果进入结果融合处理，以输出最终评估结果，从而实现机器阅读SLN超声图像的乳腺癌转移风险辅助评估器。本发明方法提供的乳腺癌转移风险评估模型能高效、准确地辅助医师进行乳腺癌转移风险的预测，提升医生效率，降低医生工作强度。
-
公开(公告)号：CN118967704A
公开(公告)日：2024-11-15
申请号：CN202411071788.5
申请日：2024-08-06
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的前哨淋巴结超声图像语义分割方法，涉及图像语义分割技术领域。本发明首先获取前哨淋巴结超声图像数据集，对数据集进行预处理以得到训练集；然后构建用于图像语义分割的RA‑U‑Net++网络，并基于训练集对其进行网络参数调优，得到用于目标病灶的医学图像语义分割模型；该网络采用U型结构多层结构，每一层级设置一个采用残差空洞金字塔模块的编码节点，当前层级的编码节点的输出特征图经下采样后输入下一层级的编码节点；首层至倒数第二层均设置有解码节点，解码节点逐层减少，每一层级的解码节点位于编码节点后，每个解码节点的输入包括其前所有节点的输出特征图以及下一层级中的前相邻节点的输出特征图；基于首层的最后一个解码节点的输出特征图获取最终的分割结果。本发明实现了前哨淋巴结超声图像的自动分割，摆脱了繁琐费时费力的手工分割；并且分割效果好，能够得到较高的交并比IoU。
-
公开(公告)号：CN116883663B
公开(公告)日：2025-02-07
申请号：CN202310881500.X
申请日：2023-07-18
Applicant: 电子科技大学
IPC: G06V10/26 , G06V10/82 , G06V20/40 , G06V20/70 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的视频流中飞行目标主要部件语义分割方法，涉及视频语义分割领域。本发明包括飞行目标主要部件数据集的构建和视频语义分割模型的搭建；其中，数据集通过硬件模拟的方式获取，利用摄录单元与模拟单元模拟并拍摄飞行目标图像，再通过后期处理模拟飞行目标的背景；视频语义分割模型是基于改进的残差块构成的语义分割网络，其通过延时输出的方式，利用局部时间注意力机制引入当前帧的前后帧信息进行预测，并在所构建的数据集上进行训练、测试并调整训练参数，获得更好的识别效果。本发明提高了在飞行目标主要部件数据集上的识别效果与速度，主要解决现有视频中飞行目标主要部件识别效果不佳，时序信息利用不充分的问题。
-
公开(公告)号：CN118824547A
公开(公告)日：2024-10-22
申请号：CN202411075366.5
申请日：2024-08-07
Applicant: 电子科技大学
IPC: G16H50/30 , G16H30/20 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于神经网络融合机制的乳腺癌转移风险评估方法，属于医学图像处理技术领域。本发明包括：构建前哨淋巴结SLN超声图像数据集，包括SLN二维超声数据集TDUS和SLN超声造影数据集CEUS；构建乳腺癌转移风险评估模型，该评估模型包括：基于残差网络的第一子网络、基于自注意力神经网络的第二子网络，以及基于Choquet模糊积分的模糊积分融合模块；其中，第一、二子网络分别用于预测当前输入图像数据的乳腺癌转移风险的二分类的评估结果；通过基于Choquet模糊积分的模糊积分融合模块对子网络输出的评估结果进入结果融合处理，以输出最终评估结果，从而实现机器阅读SLN超声图像的乳腺癌转移风险辅助评估器。本发明方法提供的乳腺癌转移风险评估模型能高效、准确地辅助医师进行乳腺癌转移风险的预测，提升医生效率，降低医生工作强度。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
